為本發(fā)明圖像處理系統(tǒng)第一實(shí)施例的功能模塊示意圖。
[0120] 需要強(qiáng)調(diào)的是，對(duì)本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，圖3所示功能模塊圖僅僅是一個(gè)較佳 實(shí)施例的示例圖，本領(lǐng)域的技術(shù)人員圍繞圖3所示的圖像處理系統(tǒng)的功能模塊，可輕易進(jìn) 行新的功能模塊的補(bǔ)充；各功能模塊的名稱是自定義名稱，僅用于輔助理解該圖像處理系 統(tǒng)的各個(gè)程序功能塊，不用于限定本發(fā)明的技術(shù)方案，本發(fā)明技術(shù)方案的核心是，各自定義 名稱的功能模塊所要達(dá)成的功能。
[0121] 本實(shí)施例提出一種圖像處理系統(tǒng)，所述圖像處理系統(tǒng)包括：
[0122] 獲取模塊10,用于獲取圖像的像素矩陣；
[0123] 在本實(shí)施例中，所述獲取模塊10用于獲取圖像，所述獲取模塊獲取圖像具體為： 在圖像是車(chē)輛行駛過(guò)程中的道路圖像時(shí)，所述獲取模塊10獲取圖像可通過(guò)車(chē)輛預(yù)設(shè)的攝 像頭進(jìn)行獲取，所述攝像頭可為前景攝像機(jī)或全景攝像機(jī)；在圖像是車(chē)牌圖像，所述獲取模 塊10獲取圖像可通過(guò)行車(chē)記錄儀、車(chē)牌掃描儀等設(shè)備進(jìn)行獲?。辉趫D像為室內(nèi)或室外的監(jiān) 控圖像時(shí)，所述獲取模塊10獲取圖像可通過(guò)監(jiān)控?cái)z像頭進(jìn)行獲取，進(jìn)一步地，所述獲取模 塊10獲取圖像還可以獲取存儲(chǔ)的圖像。
[0124] 在本實(shí)施例中，所述獲取模塊10對(duì)獲取的所述圖像進(jìn)行分析，以獲取所述圖像的 各個(gè)像素點(diǎn)，然后根據(jù)所述圖像的各個(gè)像素點(diǎn)生成所述圖像的像素矩陣I，所述像素矩陣I 的表現(xiàn)形式為：[LI2I3 . . .In]。
[0125] 第一計(jì)算模塊20,用于基于所述圖像的像素矩陣，計(jì)算所述圖像中任意兩個(gè)像素 點(diǎn)的相似度組成的相似度矩陣；
[0126] 具體地，所述第一計(jì)算模塊20計(jì)算所述圖像中任意兩個(gè)像素點(diǎn)的相似度組成的 相似度矩陣的實(shí)施方式包括：
[0127] 1)方式一、在得到所述圖像的像素矩陣后，所述第一計(jì)算模塊20先計(jì)算所述像素 矩陣中各個(gè)像素點(diǎn)的尺度參數(shù)σi，所述尺度參數(shù)σi用以下公式計(jì)算：
[0128]
[0129] 其中，Id是所述像素矩陣I中第d個(gè)點(diǎn)的像素值，m是一個(gè)常數(shù)，通常設(shè)置m= 7 ;
[0130] 根據(jù)上述計(jì)算公式即可計(jì)算出所述像素矩陣I中的第i個(gè)點(diǎn)的尺度參數(shù)σi，由于 所述像素矩陣I中包括η個(gè)數(shù)，則可計(jì)算出n*n個(gè)尺度參數(shù)，在得到各個(gè)點(diǎn)的尺度參數(shù)〇i 后，根據(jù)所述像素矩陣I和計(jì)算出的各個(gè)尺度參數(shù)，所述第一計(jì)算模塊20即可計(jì)算出所述 圖像的相似度矩陣A，所述第一計(jì)算模塊20計(jì)算所述圖像中任意兩個(gè)像素點(diǎn)的相似度對(duì)應(yīng) 的相似度矩陣的公式為：
[0131] 八^=exp(_| 11i-Ij| |2/ 〇 ;σ.)，i，je(1，η)
[0132] 其中，Ay表示相似度矩陣A的任意元素，〇p〇 ^分別表示所述像素矩陣I中任意 點(diǎn)Ii和Ij對(duì)應(yīng)的尺度參數(shù)，| |IrL| |表示點(diǎn)Ii和Ij的歐氏距離。
[0133] 根據(jù)上述公式，即可計(jì)算出相似度矩陣A為：
[0134]
[0135] 在所述相似度矩陣A中，第一行表示像素矩陣中的第一個(gè)點(diǎn)分別與像素矩陣中的 所有點(diǎn)（第一個(gè)點(diǎn)、第二個(gè)點(diǎn)、第三個(gè)點(diǎn)……最后一個(gè)點(diǎn)）的相似度差值，第二行表示像素 矩陣中的第二個(gè)點(diǎn)與像素矩陣中的所有點(diǎn)（第一個(gè)點(diǎn)、第二個(gè)點(diǎn)、第三個(gè)點(diǎn)……最后一個(gè) 點(diǎn)）的相似度差值，依次類(lèi)推，最后一行表示像素矩陣中最后一個(gè)點(diǎn)分別與像素矩陣中的 所有點(diǎn)（第一個(gè)點(diǎn)、第二個(gè)點(diǎn)、第三個(gè)點(diǎn)……最后一個(gè)點(diǎn)）的相似度差值?？梢岳斫獾氖?， 在所述相似度矩陣中，對(duì)角線上的點(diǎn)All、A22、A33、…、Ann的值為零。
[0136] 2)方式二、所述第一計(jì)算模塊20包括：
[0137] 轉(zhuǎn)化單元，用于將所述圖像的像素矩陣轉(zhuǎn)化為灰度矩陣；
[0138] 第一計(jì)算單元，用于根據(jù)所述灰度矩陣，計(jì)算所述圖像中任意兩個(gè)像素點(diǎn)的相似 度組成的相似度矩陣。
[0139] 在本實(shí)施例中，在得到所述圖像的像素矩陣后，對(duì)所述圖像中各個(gè)像素點(diǎn)求灰度 值，所述對(duì)所述圖像中各個(gè)像素點(diǎn)求灰度值的方法包括：平均值法（即將各個(gè)像素點(diǎn)的三 原色值求平均值，得到各個(gè)像素點(diǎn)的灰度值，Gray= (R+G+B)/3)、整數(shù)方法（即對(duì)各個(gè)像素 點(diǎn)的三原色值進(jìn)行加權(quán)平均，得到各個(gè)像素點(diǎn)的三原色值，Gray=R*0. 3+G*0. 59+B*0. 11) 等等。在得到各個(gè)點(diǎn)的像素值后，所述轉(zhuǎn)化單元根據(jù)上述的算法對(duì)像素矩陣中的各個(gè)像素 點(diǎn)進(jìn)行計(jì)算，得到各個(gè)像素點(diǎn)對(duì)應(yīng)的灰度值，最終實(shí)現(xiàn)將所述像素矩陣轉(zhuǎn)化為一維的灰度 矩陣，所述灰度矩陣用數(shù)據(jù)集X= {Xl，x2，...，Xn}eRd表示，其中，所述Xi表示數(shù)據(jù)集中第 i個(gè)點(diǎn)的灰度值，ie(l，n)，n為數(shù)據(jù)集中的數(shù)據(jù)的個(gè)數(shù)，d表示數(shù)據(jù)維數(shù)，R代表整個(gè)實(shí)數(shù) 集。
[0140] 在得到所述灰度矩陣X后，所述第一計(jì)算單元根據(jù)所述灰度矩陣計(jì)算所述圖像的 相似度矩陣，所述相似度矩陣中包含任意兩點(diǎn)間的像素相似度差值，而根據(jù)灰度矩陣計(jì)算 相似度矩陣的方式，先計(jì)算出數(shù)據(jù)集中各個(gè)點(diǎn)的尺度參數(shù)，所述尺度參數(shù)^用以下公 式計(jì)算：
[0141]
[0142] 其中，xd是數(shù)據(jù)集X中第d個(gè)點(diǎn)的灰度值，m是一個(gè)常數(shù)，通常設(shè)置m= 7 ;
[0143] 根據(jù)上述計(jì)算公式即可計(jì)算出數(shù)據(jù)集X中的各個(gè)點(diǎn)的尺度參數(shù)σi，該數(shù)據(jù)集中包 括η個(gè)數(shù)，則可計(jì)算出n*n個(gè)尺度參數(shù)，在得到各個(gè)點(diǎn)的尺度參數(shù)〇 1后，根據(jù)所述數(shù)據(jù)集X 和計(jì)算出的各個(gè)尺度參數(shù)，所述第一計(jì)算單元即可計(jì)算出所述圖像的相似度矩陣Α，所述第 一計(jì)算單元計(jì)算所述圖像中任意兩個(gè)像素點(diǎn)的相似度對(duì)應(yīng)的相似度矩陣的公式為：
[0144] 八^=exp(_||xrXj| |2/〇 ;σ.)，i，je(1，η)
[0145] 其中，AlS表示相似度矩陣A的任意元素，〇y〇j分別表示數(shù)據(jù)集中任意點(diǎn)、和 X]對(duì)應(yīng)的尺度參數(shù)，| |Xrx, | |表示點(diǎn)\和X的歐氏距離。
[0146] 根據(jù)上述公式，即可計(jì)算出相似度矩陣A為：
[0147]
[0148] 同理，在所述相似度矩陣A中，第一行表示數(shù)據(jù)集中的第一個(gè)點(diǎn)分別與數(shù)據(jù)集中 的所有點(diǎn)（第一個(gè)點(diǎn)、第二個(gè)點(diǎn)、第三個(gè)點(diǎn)……最后一個(gè)點(diǎn)）的相似度差值，第二行表示 數(shù)據(jù)集中的第二個(gè)點(diǎn)與數(shù)據(jù)集中的所有點(diǎn)（第一個(gè)點(diǎn)、第二個(gè)點(diǎn)、第三個(gè)點(diǎn)……最后一個(gè) 點(diǎn)）的相似度差值，依次類(lèi)推，最后一行表示數(shù)據(jù)集中最后一個(gè)點(diǎn)分別與數(shù)據(jù)集中的所有 點(diǎn)（第一個(gè)點(diǎn)、第二個(gè)點(diǎn)、第三個(gè)點(diǎn)……最后一個(gè)點(diǎn)）的相似度差值?？梢岳斫獾氖?，在所 述相似度矩陣中，對(duì)角線上的點(diǎn)All、A22、A33、…、Ann的值為零。
[0149] 在本實(shí)施例中，由于像素矩陣中各個(gè)像素點(diǎn)對(duì)應(yīng)的是RGB值，而根據(jù)所述RGB值計(jì) 算所述圖像的相似度矩陣，會(huì)影響計(jì)算結(jié)果的準(zhǔn)確性，而灰度矩陣是各個(gè)像素點(diǎn)的灰度值 對(duì)應(yīng)的矩陣，因此，先將所述圖像的像素矩陣轉(zhuǎn)化為灰度矩陣，再根據(jù)所述灰度矩陣計(jì)算所 述圖像的相似度矩陣，而不是直接根據(jù)像素矩陣計(jì)算所述相似度矩陣，從而提高了計(jì)算相 似度矩陣的準(zhǔn)確性。
[0150] 第一處理模塊30,用于對(duì)所述相似度矩陣進(jìn)行處理，得到所述圖像的特征向量矩 陣；
[0151] 具體地，所述第一處理模塊30 :
[0152] 第二計(jì)算單元，用于基于所述相似度矩陣計(jì)算所述圖像的拉普拉斯矩陣；
[0153] 計(jì)算得到所述相似度矩陣后，所述第二計(jì)算單元根據(jù)所述相似度矩陣計(jì)算所述圖 像的拉普拉斯矩陣，所述拉普拉斯矩陣L用以下公式計(jì)算：
[0154] L=DV2ADV2
[0155] 其中，D為對(duì)角矩陣，對(duì)角矩陣用以下公式計(jì)算：
[0156]
[0157] D表示對(duì)角線上的任意元素，也就說(shuō)計(jì)算出所述相似度矩陣后，所述第二計(jì)算單元 先計(jì)算出對(duì)角矩陣，然后根據(jù)所述相似度矩陣以及所述對(duì)角矩陣，即可計(jì)算出圖像的拉普 拉斯矩陣，所述拉普拉斯矩陣的表現(xiàn)形式為：
[0158]
[0159] 特征分解單元，用于對(duì)所述拉普拉斯矩陣進(jìn)行特征分解，得到所述圖像的特征向 量矩陣。
[0160] 在得到拉普拉斯矩陣后，所述特征分解單元對(duì)所述拉普拉斯矩陣進(jìn)行特征分解， 設(shè)所述特征向量矩陣為V，而所述特征向量矩陣V中的任意一列特性向量為Vi，即V=[Vi V2. ..Vn]，該方法涉及矩陣論中的矩陣特征分解方法，由于拉普拉斯矩陣L是一個(gè)NXN的方 陣，且有N個(gè)線性無(wú)關(guān)的特征向量Vi(i= 1，. . .，η)，這樣，L可以被分解為L(zhǎng)=VΛV\其 中V是ΝΧΝ方陣，且第i列Vi為L(zhǎng)的特征向量。Λ是對(duì)角矩陣，其對(duì)角線上的元素為對(duì)應(yīng) 的特征值，也即Ai.j=λ;，最終，計(jì)算可得到特征向量矩陣[ν;ν2···νη]。
[0161] 第二計(jì)算模塊40,用于根據(jù)所述特征向量矩陣計(jì)算所述圖像的熵值矩陣；
[0162] 在本實(shí)施例中，得到所述特征向量矩陣后，所述第二計(jì)算模塊40計(jì)算所述特征向 量矩陣對(duì)應(yīng)的熵值矩陣，記為Ε，以Vi為例，設(shè)其對(duì)應(yīng)的熵值矩陣為Ei，貝1J:
[0163]
[0164]那么，熵值矩陣集E為：E =呢，E2，…，Ei，…，EJ，i e (1，n)。
[0165] 第三計(jì)算模塊50,用于計(jì)算所述熵值矩陣中的各個(gè)熵值的平均值；
[0166] 根據(jù)得到的所述熵值矩陣，先確定所述熵值矩陣中的各個(gè)熵值，然后所述第三計(jì) 算模塊50對(duì)所述熵值矩陣中的各個(gè)熵值求平均值，得到Ε_η，計(jì)算公式為：
[0167]
[0168] 根據(jù)上述公式，即可得到平均值Ε_η。
[0169